检索式聊天机器人构建的综合解决方案
计算与语言
2025-08-18 v1 人工智能
机器学习
摘要
本文展示了我们在训练与部署自监督检索式聊天机器人方面的实验结果，该机器人采用对比学习训练，用于辅助客服人员。与现有该领域多数研究论文聚焦于解决可部署聊天机器人单一组件不同，我们提出一套端到端解决方案，引导读者从未标注聊天日志走向已部署聊天机器人。该方案包括从聊天日志创建自监督数据集与弱标注数据集，以及系统选择固定候选回复列表的方法。我们提出一种基于层次的 RNN 架构用于回复选择模型，因其能缓存中间话语嵌入而被选用，这有助于满足部署推理速度要求。我们在三种不同学习目标下比较了该架构的性能：自监督对比学习、二分类与多分类。我们发现，使用自监督对比学习模型优于在弱标注数据集上训练二分类与多分类模型。我们的结果验证了自监督对比学习方法可有效用于真实世界聊天机器人场景。
引用
@article{arxiv.2106.06139,
title = {A comprehensive solution to retrieval-based chatbot construction},
author = {Kristen Moore and Shenjun Zhong and Zhen He and Torsten Rudolf and Nils Fisher and Brandon Victor and Neha Jindal},
journal= {arXiv preprint arXiv:2106.06139},
year = {2025}
}